ServiceNowにおける人工知能
ServiceNowは米国のエンタープライズソフトウェア企業で、本社はカリフォルニア州サンタクララ、世界で29,000人以上の従業員を抱え、2025年第4四半期のサブスクリプション収益は35.7億ドルです。同社はAIと自動化に多額の投資を行い、Passage AIの買収、NVIDIAとの提携拡大、10億ドルのベンチャーキャピタル基金、カナダでの1.1億カナダドルの投資などを実施。記事では、ITSM/CSMワークフローに生成AIを埋め込み、解決記録の時間を約80%削減するNow Assistと、機械学習により顧客エスカレーションを予測し、プロアクティブエンゲージメント率を11%から68%に向上させる事例を紹介しています。
記事インテリジェンス
要点
- ServiceNowは買収、提携、ベンチャー投資を通じてAIに巨額投資しており、Now Assistでエージェントの文書作成時間を80%削減。
- 予測モデルによりプロアクティブエンゲージメントが11%から68%に向上、誤検出率は約3%。
重要な理由
このニュースが重要なのは、ServiceNowは買収、提携、ベンチャー投資を通じてAIに巨額投資しており、Now Assistでエージェントの文書作成時間を80%削減ためです。
技術的影響
モデル選定、推論コスト、プロダクト能力、評価基準に影響する可能性があります。
ServiceNowは米国カリフォルニア州サンタクララに本社を置くエンタープライズソフトウェア企業で、世界で29,000人以上の従業員を擁しています。2025年第4四半期のサブスクリプション収益は35.7億ドル、2026年度のサブスクリプション収益ガイダンスは155.3億～155.7億ドルです。
同社はワークフロー効率とエンタープライズ生産性を向上させるため、AIと自動化に多額の投資を行ってきました。ServiceNowはPassage AIを買収して会話型AI機能を強化し、NVIDIAとのパートナーシップを拡大して自律型AIエージェントをサポートし、ベンチャー部門を通じてエンタープライズソフトウェアとAI関連スタートアップに10億ドルをコミットしました。また、カナダでは1.1億カナダドルを投資し、公共部門でのAI導入（インフラとAIセンター・オブ・エクセレンスを含む）を支援しています。
ServiceNowは自社のAIプラットフォーム（Now on Now）を積極的に活用し、顕著なROIを達成しており、CスイートがAI実験を超えて具体的でスケーラブルな自動化に移行できることを示しています。以下は、Now Assist（生成AI）を活用した2つの主要なAIユースケースです。
**埋め込み型生成AIによるエージェントの文書作成時間の削減**：既存のITSM（ITサービス管理）およびCSM（カスタマーサービス管理）ワークフロー内に生成AIを埋め込み、サマリー、解決ノート、ナレッジ記事の作成を自動化し、エージェントがより価値の高いサポート業務に集中できるようにします。サンノゼ州立大学の研究論文「Empowering customer service with generative AI」によると、カスタマーサービスエージェントは時間の35～45%を反復的な文書作成に費やしており、米国企業全体で年間26億ドルの非効率が生じています。ハーバード・ビジネス・スクールの研究も同様の結論を出しています。
ServiceNowはITSMおよびCSM向けにNow Assistをローンチし、生成AIをエージェントワークスペースに直接埋め込みました。スタンドアロンのチャットボットではなく、インシデント履歴の要約、解決ノートの作成、ナレッジ記事の生成を既存のワークフロー内で自動化します。ServiceNowによると、Now AssistではLLMがケースコンテキストを読み取り、数秒で編集可能なサマリー/ノートを生成し、エージェントは記録的な速さでレビューできます。その結果、解決ノートごとの時間が約80%削減されました。ITSMエージェントは1回の使用あたり平均4～6分、CSMエージェントは12～16分の時間を節約しています。
**顧客エスカレーションの事前予測**：従来の監視はチケットやイベントの手動チェックに依存しており、顧客がエスカレーションする前に悪化を検知するのは困難でした。ServiceNowは機械学習を使用して、顧客エスカレーションを予測し防止するモデルを構築しました。ServiceNowが公開したケーススタディによると、チームは顧客が苦情を言ったりエスカレーションを脅かすのを待つ代わりに、ServiceNowのPredictive IntelligenceとEvent Management機能を活用して、リスクのあるアカウントを積極的に特定し、問題が拡大する前に連絡を取ります。
このイニシアチブは、Predictive Intelligenceフレームワーク（機械学習モデルをホスト）とEvent Management（リアルタイムのパフォーマンス関連イベントを取り込み）に基づいています。Predictive Intelligence内では、過去のエスカレーションパターンに基づいてトレーニングされた教師ありモデル（XGBoost分類器）が、チケット、調査、CSATスコア、エンゲージメントシグナルを分析します。Event Managementはリアルタイムのシステムアラートを追加します。
ワークフローは以下の通りです。（1）モデルの構築とトレーニング：過去のエスカレーションと関連イベントを構造化特徴量に変換し、PoC/PoVフェーズでXGBoost分類器をトレーニング・検証。（2）リアルタイムリスクスコアリングの展開：新しいチケットやイベントが到着するたびにモデルが継続的に顧客をスコアリングし、低・中・高のリスクラベルを割り当て。（3）プロアクティブ介入の自動化：顧客が高リスクカテゴリに入ると、ServiceNowワークフローが優先アラートを生成し、サポートまたはアカウントチームにフォローアップタスクを割り当て、推奨プレイブックを表示。
結果として、タイムリーな介入により応答時間と解決時間が短縮され、顧客満足度が向上し、リスクのあるアカウントが顕在化する前に安定化されました。モデル導入前は顧客エンゲージメントの約11%のみがプロアクティブでしたが、導入後は約68%がプロアクティブになり、年間数百の顧客にエンゲージメントが可能となり、エスカレーションの大部分を防止しつつ、誤検出率は約3%に抑えられました。